[發(fā)明專利]基于特征融合和粒子濾波的滾動軸承剩余壽命預測方法

有效

• 申請?zhí)枺?/td>: 201410135995.2
• 申請日: 2014-04-04
• 公開（公告）號: CN103955750B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設計）人: 雷亞國;李乃鵬;陳吳;林京
• 申請（專利權）人: 西安交通大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 西安智大知識產(chǎn)權代理事務所61215
• 代理人: 賀建斌

1.基于特征融合和粒子濾波的滾動軸承剩余壽命預測方法，其特征在于，包括以下步驟：?

第1步，從軸承振動信號中提取M個原始特征，根據(jù)各特征之間的相關性系數(shù)大小，采用相關性聚類方法對提取的原始特征進行聚類，聚類原則為：類內(nèi)特征相關性最大，類間特征相關性最小，聚類方法具體過程如下：?

1.1計算M個原始特征的相關系數(shù)矩陣，并初始化聚類數(shù)K；?

1.2選擇相關系數(shù)最小的兩個特征為第一類和第二類的中心，然后選擇與已有類中心平均相關系數(shù)最小的特征為下一類的中心，直到選出K個類中心為止；?

1.3將剩余的M-K個特征依次歸入與其平均相關系數(shù)最大的類中；?

第2步，防止同類特征間的信息冗余，從各類中選取一個典型特征構成最優(yōu)特征集，采用加權融合方法將特征集融合為最終的衰退指標，過程如下：?

2.1計算各特征的趨勢性指標，計算公式為?

其中，N是原始數(shù)據(jù)長度，F(xiàn)_t是第t次采樣的特征指標，趨勢性指標取值范圍為：-1≤T≤+1；?

2.2從各類特征中選擇趨勢性指標最大的特征組成最優(yōu)特征集；?

2.3歸一化特征值，計算正常狀態(tài)空間的特征均值矢量：?

其中，p為正常狀態(tài)空間維數(shù)；?

2.4歸一化最優(yōu)特征集的趨勢性指標；?

2.5計算歸一化特征集與正常狀態(tài)空間均值V的曼哈頓距離，并用歸一化趨勢性指標進行加權，得最終的衰退指標：?

第3步，對衰退指標進行平滑處理和重采樣，以消除噪聲影響，將時間間隔調(diào)整為期望值；再采用最小二乘擬合對已知數(shù)據(jù)序列進行曲線擬合，得到狀態(tài)空間模型初始參數(shù)；然后根據(jù)新的觀測數(shù)據(jù)對模型參數(shù)進行實時更新；最后對未來時刻的軸承狀態(tài)進行預測，統(tǒng)計各粒子達到失效閾值的時間，計算剩余壽命概率分布情況。?